linux中如何使用awk删掉文件中重复的行

这篇文章将为大家详细讲解有关linux中如何使用awk删掉文件中重复的行，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

成都创新互联是一家专业提供淮安企业网站建设,专注与网站设计、网站建设、HTML5、小程序制作等业务。10年已为淮安众多企业、政府机构等服务。创新互联专业网站建设公司优惠进行中。

TL;DR

要保持原来的排列顺序删掉重复行，使用：

awk '!visited[$0]++' your_file > deduplicated_file

工作原理

这个脚本维护一个关联数组，索引（键）为文件中去重后的行，每个索引对应的值为该行出现的次数。对于文件的每一行，如果这行（之前）出现的次数为 0，则值加 1，并打印这行，否则值加 1，不打印这行。

我之前不熟悉 awk，我想弄清楚这么短小的一个脚本是怎么实现的。我调研了下，下面是调研心得：

• 这个 awk “脚本” !visited[$0]++ 对输入文件的每一行都执行。

• visited[] 是一个关联数组（又名映射）类型的变量。awk 会在第一次执行时初始化它，因此我们不需要初始化。

• $0 变量的值是当前正在被处理的行的内容。

• visited[$0] 通过与 $0（正在被处理的行）相等的键来访问该映射中的值，即出现次数（我们在下面设置的）。

• ! 对表示出现次数的值取反：

• 如果该值为空，awk 自动把它转换为 0（数字） 后加 1。

• 注意：加 1 操作是在我们取到了变量的值之后执行的。

• 如果 visited[$0] 的值是一个比 0 大的数，取反后被解析成 false。

• 如果 visited[$0] 的值为等于 0 的数字或空字符串，取反后被解析成 true 。

• 在 awk 中，任意非零的数或任意非空的字符串的值是 true。

• 变量默认的初始值为空字符串，如果被转换为数字，则为 0。

• 也就是说：

• ++ 表示变量 visited[$0] 的值加 1。

总的来说，整个表达式的意思是：

• true：如果表示出现次数为 0 或空字符串

• false：如果出现的次数大于 0

awk 由 模式或表达式和一个与之关联的动作 组成：

<模式/表达式> { <动作> }

如果匹配到了模式，就会执行后面的动作。如果省略动作，awk 默认会打印（print）输入。

省略动作等价于 {print $0}。

我们的脚本由一个 awk 表达式语句组成，省略了动作。因此这样写：

awk '!visited[$0]++' your_file > deduplicated_file

等于这样写：

awk '!visited[$0]++ { print $0 }' your_file > deduplicated_file

对于文件的每一行，如果表达式匹配到了，这行内容被打印到输出。否则，不执行动作，不打印任何东西。

为什么不用 uniq 命令？

uniq 命令仅能对相邻的行去重。这是一个示例：

$ cat test.txtAAABBBAACCCBBA$ uniq < test.txtABACBA

其他方法

使用 sort 命令

我们也可以用下面的 sort 命令来去除重复的行，但是原来的行顺序没有被保留。

sort -u your_file > sorted_deduplicated_file

使用 cat + sort + cut

上面的方法会产出一个去重的文件，各行是基于内容进行排序的。通过管道连接命令可以解决这个问题。

cat -n your_file | sort -uk2 | sort -nk1 | cut -f2-

工作原理

假设我们有下面一个文件：

abcghiabcdefxyzdefghiklm

cat -n test.txt 在每行前面显示序号：

1       abc2       ghi3       abc4       def5       xyz6       def7       ghi8       klm

sort -uk2 基于第二列（k2 选项）进行排序，对于第二列相同的值只保留一次（u 选项）：

1       abc4       def2       ghi8       klm5       xyz

sort -nk1 基于第一列排序（k1 选项），把列的值作为数字来处理（-n 选项）：

1       abc2       ghi4       def5       xyz8       klm

最后，cut -f2- 从第二列开始打印每一行，直到最后的内容（-f2- 选项：留意 - 后缀，它表示这行后面的内容都包含在内）。

abcghidefxyzklm

关于“linux中如何使用awk删掉文件中重复的行”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。